Otonom hava kargo araçlarının derin öğrenme yöntemleriyle lojistik planlaması

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: Türkçe

Öğrenci: MUHAMMED SEFA GÖR

Danışman: Cafer Çelik

Özet:

OTONOM HAVA KARGO ARAÇLARININ DERİN ÖĞRENME YÖNTEMLERİYLE LOJİSTİK PLANLAMASI

Muhammed Sefa GÖR

Danışman: Prof. Dr. Cafer ÇELİK

 

Amaç: Bu çalışma, otonom hava kargo araçlarının (OHKA) derin öğrenme tabanlı lojistik planlama süreçlerine entegrasyonunu kapsamlı bir şekilde ele alarak, beş farklı performans karakteristiği üzerinden çok boyutlu ve bütüncül bir değerlendirme yapmayı amaçlamaktadır. Araştırmanın temel amacı ise, OHKA sistemlerinde derin öğrenme algoritmalarını kullanarak karar destek, rota optimizasyonu ve kaynak tahsisi gibi kritik süreçlerin otonom olarak yönetilmesini sağlayan entegre bir yapay zekâ modeli geliştirmektir.

Yöntem: Yedi kontrol faktörü ile bu faktörler arasındaki altı adet bileşik etkiyi incelemek amacıyla Taguchi’nin L54 ortogonal dizisi deney planı olarak seçilmiş; elde edilen deneysel veriler, beş performans karakteristiğinin bireysel ve eşzamanlı olarak optimize edilmesinde kullanılmıştır. Buna ek olarak, VRP/TSP temelli karayolu filosu ve çoklu OHKA rota optimizasyonu, süreç yeterliliği ve OEE analizleri, MTBF–MTTR ve Weibull güvenilirlik çözümleri, FTA–ETA tabanlı risk analizi, CNN–LSTM–GRU temelli derin öğrenme modelleri ile NŞD, iç verim oranı, TCO ve SROI göstergelerini içeren ekonomik değerlendirmeler yürütülmektedir.

Bulgular: Uygulama sonucunda, optimum faktör kombinasyonlarında yaklaşık 29,7 dakikalık teslimat süresi, %95,1 görev başarı oranı ve 122,9 TL düzeyinde operasyonel maliyet elde edilmiştir. Süreç yeterliliği analizlerinde batarya sıcaklığı ve paket titreşimi gibi kritik kalite karakteristikleri için σ-ST=4,266σ – 4,635σ ve σ-LT=5,766σ – 6,135σ aralığında yüksek süreç seviyelerine ulaşılmış; teslimat süresi ve konumsal/iniş parametreleri için ise σ-ST=2,853σ – 3,258σ ve σ-LT=4,353σ – 4,758σ aralığında süreç seviyeleri elde edilmiştir. OEE %80,2, kullanılabilirlik %99,6–%99,7 aralığında gerçekleşmiştir. Ekonomik analizler, 89,2 milyon TL NŞD, %133 iç getiri oranı, 0,9 yıl geri ödeme süresi ve karayolu filosuna kıyasla yaklaşık %28 daha düşük TCO ile OHKA’ların birçok alanda daha avantajlı olduğunu göstermiştir.

Sonuç: Çalışma, OHKA’ların derin öğrenme tabanlı planlama algoritmalarıyla bütünleştiğinde lojistik alanında teknik olarak uygulanabilir, ekonomik açıdan üstün ve çevresel anlamda daha sürdürülebilir olduğunu ortaya koymaktadır.

Anahtar Kelimeler: Otonom Hava Kargo Araçları, Derin Öğrenme, Lojistik Planlama, Taguchi Deney Tasarımı, Yapay Zekâ

Şubat 2026, 205 sayfa